三维大规模天线网络下的垂直波束赋形方法及装置

摘要

本发明涉及一种三维大规模天线网络下的垂直波束赋形方法及装置，属于通信技术领域。本发明方法是将两个波束——中心波束和边缘波束的下倾角和功率与粒子相匹配，根据速度和当前位置寻找当前最优值，不仅仅记录粒子的当前最优的位置也要记录粒子的全局最优值，通过比较小区的频谱效率这个适应值，得到最优解。对比现有技术，本发明方法不仅考虑了三维大规模天线网络中用户在垂直方向角度的影响而且结合了大规模天线的信道模型的特征以及复杂的三维天线的增益模型，利用粒子群优化的算法在保证基站的发射功率受限和天线的下倾角的限制下，最大化小区的频谱效率。

主权项

一种三维大规模天线网络下的垂直波束赋形方法，其特征在于，包括如下步骤：步骤一、初始化粒子数目S、每个粒子的速度并根据下式初始化每个粒子的中心波束、边缘波束的下倾角和波束功率$v_{\mathrm{Dc}}^j\left(0\right)\in [-\frac{{\theta }_{\mathrm{Dc}\max }-{\theta }_{\mathrm{Dc}\min }}{2},\frac{{\theta }_{\mathrm{Dc}\max }-{\theta }_{\mathrm{Dc}\min }}{2}]$$v_{\mathrm{De}}^j\left(0\right)\in [-\frac{{\theta }_{\mathrm{De}\max }-{\theta }_{\mathrm{De}\min }}{2},\frac{{\theta }_{\mathrm{De}\max }-{\theta }_{\mathrm{De}\min }}{2}]$$v_{\mathrm{Pc}}^j\left(0\right)\in [-\frac{P}{2},\frac{P}{2}];$${\theta }_{\mathrm{Dc}}^j\left(0\right)=\frac{{\theta }_{\mathrm{Dc}\max }+{\theta }_{\mathrm{Dc}\min }}{2}+{\eta }_c$${\theta }_{\mathrm{De}}^j\left(0\right)=\frac{{\theta }_{\mathrm{De}\max }+{\theta }_{\mathrm{De}\min }}{4}+{\eta }_e$$P_c^j\left(0\right)=\frac{P}{2}+{\eta }_P$其中，为服从均匀分布的随机数，η_c,η_e,η_P为服从均匀分布的随机数，θ_Dcmax为中心波束的最大下倾角，θ_Dcmin为中心波束的最小下倾角，θ_Demax为边缘波束的最大下倾角，θ_Demin为边缘波束的最小下倾角，P为基站的发射功率，j表示第j个粒子；步骤二、对每个粒子按照下式更新速度和当前的位置$\left\{\begin{array}{c}{v}_{D_c}^j(\tau +1)=\mu v_{D_c}^j\left(\tau \right)+c_1{r}_1({\theta }_{D_c}^{L,j}\left(\tau \right)-{\theta }_{D_c}^j\left(\tau \right))+c_2{r}_2({\theta }_{D_c}^G\left(\tau \right)-{\theta }_{D_c}^j\left(\tau \right))\\ v_{D_e}^j(\tau +1)=\mu v_{D_e}^j\left(\tau \right)+c_1{r}_1({\theta }_{D_e}^{L,j}\left(\tau \right)-{\theta }_{D_e}^j\left(\tau \right))+c_2{r}_2({\theta }_{D_e}^G\left(\tau \right)-{\theta }_{D_e}^j\left(\tau \right))\\ v_{P_c}^j(\tau +1)={\mathrm{\mu v}}_{P_c}^j\left(\tau \right)+c_1{r}_1(P_c^{L,j}\left(\tau \right)-P_c^j\left(\tau \right))+c_2{r}_2\left(P_c^G\left(\tau \right)-P_c^j\left(\tau \right)\right)\end{array}\right.$$\left\{\begin{array}{c}{\theta }_{D_c}^j(\tau +1)={\theta }_{D_c}^j\left(\tau \right)+v_{D_c}^j(\tau +1)\\ {\theta }_{D_e}^j(\tau +1)={\theta }_{D_e}^j\left(\tau \right)+v_{D_e}^j(\tau +1)\\ P_c^j(\tau +1)=P_c^j\left(\tau \right)+v_{P_c}^j(\tau +1)\end{array}\right.;$τ＝τ+1其中，为在τ时刻下第j个粒子的中心波束的局部最优下倾角，其初始值为τ时刻下中心波束的全局最优下倾角，初始值为为在τ时刻下第j个粒子的边缘波束的局部最优下倾角，其初始为τ时刻下边缘波束的全局最优下倾角，初始值为为在τ时刻下第j个粒子的局部最优功率，其初始值为τ时刻下的全局最优功率，初始值为μ为经验概率，c₁和c₂代表学习因子，r₁和r₂为(0,1)范围内的随机数；步骤三、根据0≤P_c≤P,判断粒子的位置是否在区域范围内，如果超出取值范围，速度减半，然后转到步骤2；如果没有超出范围，根据下式计算第j个粒子的适应值：$f^j\left(\tau \right)=\underset{m=1}{\overset{L}{\Sigma }}[\underset{k_c=1}{\overset{K_c}{\Sigma }}{\log }_2(1+{\mathrm{SING}}_{{\mathrm{mk}}_c})+\underset{k_e=k_c+1}{\overset{K}{\Sigma }}{\log }_2(1+{\mathrm{SING}}_{{\mathrm{mk}}_e})];$其中，j∈[1,S]，L表示小区数目，K_c表示小区中心用户数，K表示小区的用户总数；${\mathrm{SINR}}_{{\mathrm{mk}}_c}=\frac{P_c{\mathrm{MA}}_{{\mathrm{mmk}}_c}^{\mathrm{Dc}}{\beta }_{{\mathrm{mmk}}_c}^{\mathrm{Dc}}}{P_{{\mathrm{mk}}_c}^{\mathrm{intracell}}+P_{{\mathrm{mk}}_c}^{\mathrm{intercell}}+P_N}$${\mathrm{SINR}}_{{\mathrm{mk}}_e}=\frac{P_e{\mathrm{MA}}_{{\mathrm{mmk}}_e}^{\mathrm{De}}{\beta }_{{\mathrm{mmk}}_e}^{\mathrm{De}}}{P_{{\mathrm{mk}}_e}^{\mathrm{intracell}}+P_{{\mathrm{mk}}_e}^{\mathrm{intercell}}+P_N}$其中，M表示基站天线数，P表示基站端总的发射功率，P_c表示基站端中心波束的发射功率，P_e表示基站端边缘波束的发射功率，P_N为噪声功率，为第m个小区的基站的中心波束到本小区的中心用户k_c的信道的大尺度衰落，为第m个小区的基站的边缘波束到本小区的边缘用户k_e的信道的大尺度衰落；为第m个小区的基站的中心波束到本小区的中心用户k_c的天线增益，为第m个小区的基站的边缘波束到本小区的边缘用户k_e的天线增益；为第m个小区的中心用户k_c的小区内干扰，为第m个小区的中心用户k_c的小区间干扰，为第m个小区的边缘用户k_e的小区内干扰，为第m个小区的边缘用户k_e的小区间干扰，分别通过下式计算：$P_{{\mathrm{mk}}_c}^{\mathrm{intracell}}=(K_c-1){\mathrm{MP}}_c{A}_{{\mathrm{mmk}}_c}^{\mathrm{Dc}}{\beta }_{{\mathrm{mmk}}_c}^{\mathrm{Dc}}+(K-K_c){\mathrm{MP}}_e{A}_{{\mathrm{mmk}}_e}^{\mathrm{De}}{\beta }_{{\mathrm{mmk}}_c}^{\mathrm{De}}$$P_{{\mathrm{mk}}_c}^{\mathrm{intercell}}=\underset{l=1,l\ne m}{\overset{L}{\Sigma }}({\mathrm{MK}}_c{P}_c{A}_{{\mathrm{lmk}}_c}^{\mathrm{Dc}}{\beta }_{{\mathrm{lmk}}_c}^{\mathrm{Dc}}+M(K-K_c)P_e{A}_{{\mathrm{lmk}}_c}^{\mathrm{De}}{\beta }_{{\mathrm{lmk}}_c}^{\mathrm{De}})$$P_{{\mathrm{mk}}_e}^{\mathrm{intracell}}=K_C{\mathrm{MP}}_c{A}_{{\mathrm{mmk}}_e}^{\mathrm{Dc}}{\beta }_{{\mathrm{mmk}}_e}^{\mathrm{Dc}}+(K-K_c-1){\mathrm{MP}}_e{A}_{{\mathrm{mmk}}_e}^{\mathrm{De}}{\beta }_{{\mathrm{mmk}}_e}^{\mathrm{De}}$$P_{{\mathrm{mk}}_e}^{\mathrm{intercell}}=\underset{l=1,l\ne m}{\overset{L}{\Sigma }}({\mathrm{MK}}_c{P}_c{A}_{{\mathrm{lmk}}_e}^{\mathrm{Dc}}{\beta }_{{\mathrm{lmk}}_e}^{\mathrm{Dc}}+M(K-K_c)P_e{A}_{{\mathrm{lmk}}_e}^{\mathrm{De}}{\beta }_{{\mathrm{lmk}}_e}^{\mathrm{De}})$其中，β(.)为信道的大尺度衰落，为第m个小区的基站的中心波束到本小区的中心用户k_c的信道的大尺度衰落，为第m个小区的基站的边缘波束到本小区的中心用户k_c的信道的大尺度衰落，为第l个小区的基站的中心波束到第m个小区的中心用户k_c的信道的大尺度衰落，为第l个小区的基站的边缘波束到第m个小区的中心用户k_c的信道的大尺度衰落，为第m个小区的基站的中心波束到本小区的边缘用户k_e的信道的大尺度衰落，为第m个小区的基站的边缘波束到本小区的边缘用户k_e的信道的大尺度衰落，为第l个小区的基站的中心波束到第m个小区的边缘用户k_e的信道的大尺度衰落，为第l个小区的基站的边缘波束到第m个小区的边缘用户k_e的信道的大尺度衰落，为第l个小区的基站的中心波束对第m个小区内的中心用户k_c的天线增益，为第l个小区的基站的边缘波束对第m个小区内的中心用户k_c的天线增益，为第l个小区的基站的中心波束对第m个小区内的边缘用户k_e的天线增益，为第l个小区的基站的边缘波束对第m个小区内的边缘用户k_e的天线增益，为第m个小区的基站的中心波束对本小区中心用户k_c的天线增益，为第m个小区的基站的边缘波束对本小区中心用户k_c的天线增益，为第m个小区的基站的中心波束对本小区边缘用户k_e的天线增益，为第m个小区的基站的边缘波束对本小区边缘用户k_e的天线增益；步骤四、对每个微粒，将它更新的适应值和它经历过的最好位置作比较，如果较好，则将其作为当前的最好位置，记为每个微粒不仅记录自己当前的最好位置，还知道全局所经历的最好位置，记为将它得到的新的适应值和全局所经历的最好位置作比较，如果较好，则以当前微粒位置替换全局最优位置；步骤五、如果全局最优位置处的适应值满足f(τ)‑f(τ‑1)＜0.01或者τ达到预设的阈值T，循环结束，此时得到的全局最优的位置即为两个波束的最优的下倾角和功率；否则回到步骤2。